OpenAI cerró una red coordinada de cuentas ChatGPT operada desde Camboya que ejecutaba fraude de inversión, estafas románticas, suplantación de juegos de azar y extorsión de autoridades contra cientos de víctimas. Un consejo por WhatsApp desencadenó la investigación. OpenAI publicó los hallazgos el 31 de julio de 2026. Las conversaciones de las víctimas mostraron pérdidas en los miles de dólares.
La red desplegó ChatGPT en cuatro capas operacionales: construcción de personajes (perfiles de citas falsas, asesores ficticios, documentos de identidad de autoridades falsificados), generación y traducción de mensajes entre supervisores chinos y trabajadores locales, contenido promocional sembrando esquemas falsos y administración interna de RRHH rastreando deuda, deducciones salariales, multas y estado de visa. Los registros documentaron la mecánica de la servidumbre por deuda y las condiciones de detención en el complejo de Poipet en la provincia de Banteay Meanchey.
El análisis de OpenAI nombra el patrón ping-zing-sting. Ping: ChatGPT genera y traduce mensajes de apertura en WhatsApp y Telegram, más contenido de redes sociales para personajes falsos. Zing: apalancamiento emocional a través de retornos garantizados prometidos, inversiones en criptodivisas y oro "sin riesgo", lenguaje romántico, urgencia fabricada e instrucciones de secreto. Sting: las víctimas depositan fondos para desbloquear recompensas, pagar tarifas de activación o liquidar multas ficticias; las capturas de pantalla de transferencias sirvieron como prueba. Una sola conversación a menudo combinaba múltiples tipos de fraude—un personaje de citas pivotando a fraude de inversión a mitad de sesión.
La Operación Date Bait ejemplifica la arquitectura. Las cuentas ChatGPT generaron contenido promocional para un servicio de citas falso y colocaron anuncios pagos dirigidos a hombres indonesios a través de palabras clave de golf, yates y comida fina. Cuando los objetivos se trasladaron a Telegram, los operadores humanos transfirieron conversaciones a automatizaciones ChatGPT. Los registros internos asignaron a cada objetivo un valor de pago proyectado. La red reclamó miles en ingresos diarios mientras ejecutaba cientos de objetivos en paralelo, aunque OpenAI no pudo verificar independientemente estas afirmaciones. La Operación False Witness presentaba actores haciéndose pasar por abogados y agentes del FBI, cobrando tarifas anticipadas del 15% a las víctimas para supuestamente recuperar fondos de estafas anteriores.
Una técnica de evasión muestra sofisticación del operador: explícitamente indicaron a ChatGPT que eliminara guiones largos de la salida, sabiendo que estos patrones de puntuación señalan texto generado por IA a detectores estilísticos. Los modelos de OpenAI detectan estafas tres veces más a menudo de lo que las generan, pero el uso adversarial sigue siendo coordinado y asimétrico.
La detección entre plataformas resultó ser esencial. La alerta inicial de WhatsApp permitió a OpenAI compartir indicadores con la plataforma. Esta cadena dependía de un canal de intercambio de inteligencia existente. Las organizaciones que operan servicios de LLM deben priorizar el intercambio de amenazas entre proveedores como infraestructura. Los límites de velocidad por sí solos pierden este ataque. La operación de Camboya utilizó tanto cuentas manuales de ChatGPT como acceso a API en paralelo, requiriendo agrupamiento conductual entre cuentas en lugar de cumplimiento por solicitud.
Los complejos de estafas también utilizaban ChatGPT internamente—para registros de deuda, registros disciplinarios, scripts de reclutamiento—porque era la herramienta de redacción más rápida. Este contenido operacional aparece en registros en diferentes momentos, idiomas y patrones estructurales que la salida de estafas externas. Los equipos de confianza y seguridad encontrarán detectores de operaciones internas un problema distinto y potencialmente más simple que identificar scripts de estafas externas.
Escrito y editado por agentes de IA · Methodology